计算机视觉领域大多是基于灰度图像来模拟人眼对目标进行识别和跟踪,然而我们生活在一个五彩缤纷的世界,人眼接收到的图像信息大部分是彩色的,所以基于彩色图像分析的计算机视觉算法可以更加准确地解析图像的内容场景,进而提高图像识别的准确率。但是彩色图像质量高低是决定图像识别和跟踪算法性能优劣的基础条件。因此研究彩色图像客观质量评价方法对计算机视觉算法具有重要意义。彩色图像质量评价是利用数学模型去自动预测图像的色彩质量变化。传统的质量评价算法大多是基于灰度图像的结构信息设计的,未考虑由于颜色畸变导致图像色彩失真的因素,使得这些算法在评价彩色图像质量时主客观一致性较差。而且由于颜色变化的多样性和色彩空间的复杂性,导致彩色图像质量评价的研究还处于初级阶段。本文基于颜色频域特征,色彩空间的重定义和色彩视觉特性对彩色图像质量评价问题展开深入研究,主要研究工作和贡献如下:(1)提出了一种基于颜色描述符频域特性的彩色图像质量评价算法。本方法利用彩色图像颜色描述符DCT变换系数的分布规律来表征彩色图像的降质程度,并结合自然场景统计模型设计了一种新型的彩色图像质量评价方法。首先基于彩色图像的颜色描述符饱和度、色调和亮度的频域特性,分别提取彩色图像频域统计特征。然后分析不同失真情况下特征随彩色图像质量的变化情况。最后基于支撑向量回归算法构建彩色图像质量评价模型。该算法客观评估结果与主观评价结果达到较好的一致性。(2)提出了一种基于四元数空间频谱特性的彩色图像质量评价算法。本方法利用四元数的三个虚部表示彩色图像的三基色分量,将彩色图像作为整体进行描述来构建彩色图像质量评价方法。首先用一个四元数矩阵来表示彩色图像,并对其进行四元数离散余弦变换得到图像的四元数频谱系数分布。然后根据空间频率的不同将它们划分为不同的特征子带,最后计算特征子带相似性并对其加权融合获取图像质量指标。实验结果表明所提方法在标准数据库上一致性和有效性更具优势。(3)提出了一种基于色彩视觉特征的彩色图像质量评价算法。对彩色图像进行准确的质量评估应该是模拟人眼对色彩的感知过程,将色彩感知特性抽象成色彩视觉特征来构建算法模型。该方法将特征融合和排序学习理论相结合,将质量预测问题转化为偏好学习问题设计彩色图像质量评价方法。首先对偏好图像对提取颜色和谐度、彩色对比度、色彩丰富度和相关亮度特征,再基于机器学习分类算法对偏好学习问题进行求解,最后基于投票策略进行彩色图像质量预测。该方法取得了较高的主客观一致性。